期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Sentinel-2遥感影像的玉米秸秆覆盖度估算研究
1
作者 韩颖 张龙龙 +1 位作者 柳阳 冯仰强 《环境生态学》 2024年第11期43-51,共9页
作物秸秆作为农业生产活动中的重要物质,在减少土壤侵蚀、提高土壤保熵及增加土壤团聚体等方面发挥着重要的作用,因此通过遥感技术对大范围作物秸秆覆盖度进行监测具有重要的意义。本研究以样线法和图像分割法2种方法对玉米秸秆覆盖度(C... 作物秸秆作为农业生产活动中的重要物质,在减少土壤侵蚀、提高土壤保熵及增加土壤团聚体等方面发挥着重要的作用,因此通过遥感技术对大范围作物秸秆覆盖度进行监测具有重要的意义。本研究以样线法和图像分割法2种方法对玉米秸秆覆盖度(Crop Residue Cover,CRC)进行野外采样测量,以Sentinel-2影像为基础,利用遥感光谱指数和纹理特征作为特征变量,选择偏最小二乘法(Partial Least Squares Regression,PLSR)建立大范围CRC估算模型。结果表明:1)从遥感影像上提取的遥感光谱指数和纹理特征均与CRC有较好的相关性,其中,简单耕作指数(Simple Tillage Index,STI)与CRC相关性优于其他遥感光谱指数,样线法和图像分割法的决定系数(Coefficient of Determination,R^(2))分别为0.844和0.848;纹理特征与CRC的相关程度低于遥感光谱指数,其中B8A Mean纹理特征与玉米CRC相关性优于其他纹理特征,样线法和图像分割法的R 2分别为0.505和0.507。2)以遥感光谱指数为主、纹理特征为辅的组合方法构建的PLSR模型用于玉米CRC估算精度高于采用单一遥感光谱指数或纹理特征建模的CRC估算精度;其中样线法建模结果相关系数R 2达到0.896,图像分割法构建的模型相关系数R 2为0.892,因此,利用分辨率较高的Sentinel-2影像构建的遥感光谱指数和纹理特征建立PLUS模型在CRC估算方面精度较好,具有良好的应用前景。 展开更多
关键词 秸秆覆盖度 遥感光谱指数 纹理特征 样线法 图像分割法 偏最小二乘法
下载PDF
遥感光谱指标和神经网络结合的冬小麦地上部生物量估测 被引量：3
2
作者 张传波 李卫国 +4 位作者 张宏 李伟 马廷淮 张琤琤 陈华 《麦类作物学报》 CAS CSCD 北大核心 2022年第5期631-639,共9页
为探讨基于神经网络对小麦地上部生物量(aboveground biomass,AGB)进行遥感估测的可行性,在江苏省泰州泰兴市、盐城大丰区和宿迁沭阳县布设冬小麦大田试验,在对冬小麦近红外波段反射率(near-infrared band reflectance,REF_(nir))、红... 为探讨基于神经网络对小麦地上部生物量(aboveground biomass,AGB)进行遥感估测的可行性,在江苏省泰州泰兴市、盐城大丰区和宿迁沭阳县布设冬小麦大田试验,在对冬小麦近红外波段反射率(near-infrared band reflectance,REF_(nir))、红光波段反射率(red band reflectance,REF_(red))、归一化差值植被指数(normalized difference vegetation index,NDVI)、差值植被指数(difference vegetation index,DVI)、比值植被指数(ratio vegetation index,RVI)、土壤调节植被指数(soil adjusted vegetation index,SAVI)和优化土壤调节植被指数(optimized soil adjusted vegetation index,OSAVI)等7个遥感光谱指标与冬小麦生长指标(LAI和AGB)进行相关性分析基础上,构建基于BP神经网络的冬小麦AGB估测模型,并与多元线性回归估测模型进行精度比较。结果表明,冬小麦拔节期REF_(red)、NDVI、RVI、SAVI、OSAVI和LAI与AGB之间存在较好相关性,其中LAI与AGB的相关性最高(相关系数为0.782),SAVI与AGB的相关性最低(相关系数为0.647)。利用BP神经网络建立的冬小麦AGB估测模型AGB_(BP)的决定系数(r^(2))为0.918,均方根误差(root mean square error,RMSE)为582.9 kg·hm^(-2),平均相对误差(average relative error,ARE)为18.4%。利用多元线性回归分析建立的冬小麦AGB估测模型AGB_(RA)的r^(2)为0.784,RMSE为871.1 kg·hm^(-2),ARE为32.6%。利用冬小麦抽穗期AGB实测数据再对模型AGB_(BP)和AGB_(RA)进行验证,其RMSE分别为1140.4和1676.7 kg·hm^(-2),ARE分别为20.5%和33.1%。由此可以看出,冬小麦估测模型AGB_(BP)精度优于模型AGB_(RA),说明利用多个遥感光谱指标结合LAI建模可以有效提高冬小麦AGB的估测精度。 展开更多
关键词 冬小麦 遥感光谱指标 叶面积指数 神经网络 生物量
下载PDF
多遥感光谱指标结合进行大田冬小麦叶片叶绿素含量估测研究 被引量：1
3
作者 韩振强 李卫国 +4 位作者 张晓东 李伟 马廷淮 张宏 姚永胜 《麦类作物学报》 CAS CSCD 北大核心 2023年第11期1467-1474,共8页
为解决大田冬小麦叶片叶绿素含量估测模型精度低、通用性弱的问题,在获取冬小麦拔节期和抽穗期冠层红光波段反射率(BR_(red))和近红外波段反射率(BR_(nir))的基础上,计算归一化差值植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI... 为解决大田冬小麦叶片叶绿素含量估测模型精度低、通用性弱的问题,在获取冬小麦拔节期和抽穗期冠层红光波段反射率(BR_(red))和近红外波段反射率(BR_(nir))的基础上,计算归一化差值植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、改进型比值植被指数(MSR)、重归一化植被指数(RDVI)、II型增强植被指数(EVI2)和非线性植被指数(NLI)等8个植被指数。经统计分析,选择与叶片叶绿素含量(SPAD值)相关性较好的5个遥感光谱指标(NDVI、MSR、NLI、BR_(red)和RVI)作为输入变量,建立了冬小麦叶片叶绿素含量的BP神经网络估测模型(WWLCC_(BP)),并对估测模型进行精度验证。结果表明,WWLCC_(BP)估测模型在拔节期估测的决定系数(r^(2))为0.84,均方根误差(RMSE)为5.39,平均相对误差(ARE)为9.87%。抽穗期的估测效果与拔节期较为一致。将WWLCC_(BP)和高分六号影像结合监测了研究区域冬小麦叶片叶绿素含量的空间分布信息,叶片SPAD值在43.2~53.7之间的冬小麦长势正常,种植面积为25483 hm^(2),占冬小麦总播种面积的69.81%。这说明多遥感光谱指标结合建立的神经网络估测模型可以实现对大田冬小麦叶片叶绿素含量的有效估测。 展开更多
关键词 冬小麦 遥感光谱指标 神经网络 叶片叶绿素含量 估测模型
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部